目标检测实战——了解PaddlePaddle

了解PaddlePaddle
PaddlePaddle基础命令
PaddlePaddle是百度开源的深度学习框架，类似的深度学习框架还有谷歌的Tensorflow、Facebook的Pytorch等，在入门深度学习时，学会并使用一门常见的框架，可以让学习效率大大提升。
在PaddlePaddle中，计算的对象是张量（张量是多维数组的数学抽象，是标量、向量和矩阵的高维扩展，用于高效表示和处理多维数据），我们可以先使用PaddlePaddle来计算一个[[1, 1], [1, 1]] * [[1, 1], [1, 1]]。

计算常量的加法：1+1

1. 首先导入PaddlePaddle库
   

2. 定义两个张量的常量x1和x2，并指定它们的形状是[2, 2]，并赋值为1铺满整个张量，类型为int64。
   

3. 接着定义一个操作，该计算是将上面两个张量进行加法计算。PaddlePaddle提供了大量的操作，比如加减乘除、三角函数等，读者可以在fluid.layers找到。在这里我们用到的就是fluid.layers（是 PaddlePaddle 1.x 版本 中的核心模块，提供了一系列预定义的神经网络层操作（如卷积、池化、损失计算等），用于构建深度学习模型的计算图。）
   

4. 然后创建一个解释器，可以在这里指定计算使用CPU或GPU。
   

这里运行一下可以看到报错了，看了一下报错的信息，查找资料了解到这是一个 PaddlePaddle 2.x 版本兼容性问题。我这里直接调用了fluid.default_startup_program()，但 PaddlePaddle 2.x 默认是动态图模式，此时默认的启动程序是空的（没有定义任何网络结构或算子）。

所以我选择在前面加入一行代码启用了静态图模式（PaddlePaddle 2.x 需要显式启用）。

这样子这串代码运行起来就没有报错了。

5. 最后执行计算并获取结果，就可以得到计算常量的加法：1+1的结果了。